Nghiên cứu đề xuất sử dụng mạng nơ-ron tích chập để phân loại tín hiệu EEG phục vụ chẩn đoán rối loạn thần kinh. Dữ liệu EEG được tiền xử lý bằng kỹ thuật lọc và chuẩn hóa, sau đó đưa vào mô hình CNN để huấn luyện. Kết quả cho thấy độ chính xác phân loại đạt trên 92%, vượt trội so với các phương pháp truyền thống. Mô hình cũng được đánh giá về độ ổn định và khả năng tổng quát hóa trên các tập dữ liệu khác nhau. Nghiên cứu mở ra hướng ứng dụng học sâu trong hỗ trợ lâm sàng và phát hiện sớm các bệnh lý thần kinh.